登录
主页
 文章
《垂域 AI“小”模型：精准赋能的创新力量》
在当今科技飞速发展的时代，AI 技术无疑是最耀眼的明星之一。而在 AI 的广阔领域中，垂域 AI“小”模型正逐渐崭露头角，展现出独特的魅力和价值。垂域AI“小”模型通常指的是针对特定行业或领域定制的人工智能模型，这些模型在设计时就考虑了特定领域的数据特性、业务需求和应用场景。与通用的大型AI模型相比，垂域AI“小”模型可能在规模和复杂性上较小，但它们在特定领域内具有更高的精确度和效率。这些模型可以快速适应并解决特定行业的问题，提供定制化的解决方案，从而在专业领域内实现更优的性能。
2024-06-25
1018
2
3
数据库公司Rockset
数据库公司Rockset的由前Facebook员工创立，旨在帮助企业快速搜索和提供数据分析解决方案，尤其对需要处理和分析大量信息的公司如游戏、金融科技等行业尤为重要。在被OpenAI收购之前，Rockset已经从风险投资公司如Icon Ventures、Sequoia和Greylock等那里筹集了1.05亿美元资金。Rockset的技术使数据不仅可以被存储和访问，还可以转化为“可行动的智能”，帮助企业做出更快、更精准的决策。
2024-06-24
1060
9
5
长三角人形机器人联盟
长三角人形机器人联盟是一个由长三角地区的多家公司组成的联盟，旨在推动人形机器人技术的发展和产业化。长三角人形机器人联盟于2024年6月18日在中国科学技术大学举行的人工智能与人形机器人前沿论坛上正式宣告成立。联盟涵盖了长三角地区的9家人形机器人产业链上市公司，包括中科大人工智能与数据科学学院、中科大人形机器人研究院等。
2024-06-24
918
4
9
可控时空生成技术（Spatio Temporal Controllable Generation，STGC）
可控时空生成技术（Spatio Temporal Controllable Generation，STGC）是一种先进的技术，它能够生成符合物理规律的多模态内容，特别是在自动驾驶、工业制造、建筑等行业场景中。这项技术使得生成的视频和图像不仅在视觉上逼真，而且在车辆行为、环境互动等方面与现实情况保持高度同步。例如，在自动驾驶领域，STGC技术可以大规模生成与实际场景相一致的驾驶视频数据，包括不同路况、不同光照、不同天气条件下的行车情况，从而为自动驾驶系统的训练提供高质量的数据支持。
2024-06-24
723
4
3
交叉滞后面板分析（Cross-Lagged Panel Analysis, CLPA）
交叉滞后面板分析（Cross-Lagged Panel Analysis, CLPA）是一种统计方法，它在面板数据分析中用来研究变量之间的动态关系。这种分析方法特别适用于研究时间序列数据和横截面数据的结合体，即面板数据，其中数据集包含了多个个体在多个时间点的观测值。交叉滞后面板分析的目的是检验变量之间的因果关系，特别是当这些变量之间可能存在相互影响时。通过分析不同时间点的变量值，可以确定一个变量的变化是否在时间上先于另一个变量的变化，从而推断出可能的因果关系。
2024-06-24
1032
0
10
深入解析：“最值钱的永远是入口，而非技术本身”
在当今快速发展的科技与商业环境中，“最值钱的永远是入口，不是技术本身”这一观点深刻揭示了市场与商业模式的本质，强调了用户接触点（入口）的战略价值相对于技术创新的重要性。一、入口的定义与重要性所谓“入口”，在商业和互联网领域，通常指的是用户接入服务或产品的第一接触点。例如，搜索引擎是信息获取的入口，社交平台是人际交往的入口，应用商店则是应用程序分发的入口。入口直接决定了用户流量的导向，是企业吸引用户、建立品牌认知、实现商业化变现的关键所在。用户接触点就是那些能够让用户首次接触并体验到产品或服务的点。这些接触点可以是线上平台、实体店面、广告、口碑推荐等。
2024-06-23
953
7
13
季节性自回归积分移动平均模型（Seasonal Autoregressive Integrated Moving Average Model，SARIMA）
季节性自回归积分移动平均模型（Seasonal Autoregressive Integrated Moving Average Model，SARIMA）是 ARIMA 模型的一个扩展，专门用于分析和预测具有季节性模式的时间序列数据。SARIMA 模型通过增加季节性差分、季节性自回归和季节性移动平均项来捕捉时间序列的季节性特征。一、组成部分
2024-06-21
1049
5
9
自回归积分滑动平均模型（Autoregressive Integrated Moving Average Model，ARIMA）
自回归积分滑动平均模型（Autoregressive Integrated Moving Average Model，ARIMA）。是一种广泛应用于时间序列分析的统计模型。ARIMA模型结合了自回归（AR）、差分（I）和移动平均（MA）三种方法，能够对非平稳时间序列数据进行建模和预测。一、组成部分1. 自回归（AR）：模型考虑了时间序列过去值的信息，即当前值与之前值之间存在某种线性关系。
2024-06-21
774
9
6
自回归移动平均模型（Autoregressive Moving Average Model，ARMA）
自回归移动平均模型（Autoregressive Moving Average Model，ARMA）是一种时间序列预测模型，它结合了自回归（AR）和移动平均（MA）两种模型的特点。ARMA模型可以表示为：「」ARMA模型的目的是捕捉时间序列数据的自相关性，通过拟合历史数据来预测未来的值。它广泛应用于金融、经济、气象等领域的数据分析和预测。
2024-06-21
841
0
13
Word2Vec生成词嵌入
Word2Vec是一种自然语言处理中用于生成词嵌入的算法。它通过训练一个浅层神经网络来将词汇映射到向量空间中的连续向量，这些向量可以捕捉词与词之间的语义关系。Word2Vec由Tomas Mikolov和他的团队在2013年提出，它有两种主要的架构：连续词袋（Continuous Bag of Words，CBOW）和Skip-gram模型。
2024-06-21
938
7
12
动态规划求解
动态规划（Dynamic Programming）是一种在数学、管理科学、计算机科学、经济学和生物信息学等领域中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划常常用于优化那些具有重叠子问题和最优子结构性质的问题。这里的“最优子结构”是指问题的最优解包含其子问题的最优解。
2024-06-20
931
1
1
BIM模型技术标准
BIM（Building Information Modeling，建筑信息模型）作为一种先进的建筑设计、建造与管理方法，其核心在于通过三维数字技术集成建筑物全生命周期的信息。为了确保BIM模型能够在多学科、多参与方之间高效共享和协同作业，制定一套统一且详细的技术标准显得尤为重要。一、BIM模型技术标准
2024-06-20
1163
1
1
工具变量（Instrumental Variable, IV）
工具变量（Instrumental Variable, IV）是一种统计方法，用于解决回归分析中的内生性问题。在经济学和其他社会科学领域中，我们经常遇到变量之间的相互影响，即一个变量可能同时受到其他变量的影响，同时也影响着其他变量。这种情况下，如果我们直接使用普通最小二乘法（OLS）进行回归分析，可能会得到有偏的估计结果。
2024-06-20
788
7
7
倾向得分匹配（Propensity Score Matching，PSM）
倾向得分匹配（Propensity Score Matching，PSM）是一种统计学方法，用于处理观察研究中的偏差问题。这种方法通过计算每个个体接受某种处理（例如，参与某个项目、接受某种治疗等）的概率，然后根据这个概率将实验组和对照组的个体进行匹配，使得两组在关键变量上具有可比性。PSM的目的是模拟随机分配的效果，从而减少由于非随机分配带来的选择偏差，使得因果推断更为准确。
2024-06-19
631
0
7
随机对照试验（Randomized Controlled Trial, RCT）
随机对照试验（Randomized Controlled Trial, RCT）是一种科学研究方法，广泛应用于医学、心理学、社会科学等领域，用于评估医疗干预、治疗、程序或公共健康政策的效果。一、关键特点1. 随机分配：参与者被随机分配到实验组和对照组。这是为了减少选择偏差和其他已知或未知因素对结果的影响。
2024-06-19
933
2
6
移动平均模型（Moving Average Model，MA）
移动平均模型（Moving Average Model，MA）是一种时间序列分析方法，它用于预测未来的数据点。这种模型基于过去的观测值的移动平均值来预测未来值。移动平均模型通常用于平滑时间序列数据，以消除短期波动，从而更好地理解数据的长期趋势。一、模型表示移动平均模型的一般形式可以表示为：
2024-06-19
676
5
11
固态硬盘（SSD）技术发展
固态硬盘（SSD）技术是一种非易失性存储技术，它使用闪存作为存储介质。一、技术详解1. 组成部分：SSD主要由控制单元和存储单元组成，存储单元通常包括FLASH芯片和DRAM芯片。控制单元负责数据的读写操作和错误校正。2. 接口类型：SSD支持多种接口类型，包括SATA、SAS、PCI-E、M.2、CFast等，其中SATA-3和PCI-E接口是目前最常用的接口。
2024-06-19
625
4
11
水系锌离子电池技术
随着全球对可再生能源需求的增加以及对环境保护意识的提升，高效、安全、经济且环境友好的储能技术成为了科研和工业界的焦点。在众多储能技术中，水系锌离子电池（Aqueous Zinc-ion Batteries, AZIBs）因其独特的优点而备受关注。水系锌离子电池（ZIBs）凭借安全、无毒，以及较高的理论容量，已经成为最具潜力的可持续储能技术之一。在众多ZIBs电极材料中，层状钒氧化物具有晶体结构可调、容量高等特点，是现阶段广泛研究的正极材料。基于离子或分子预插层策略可以有效解决正极材料的晶格空间不足、电子传导性低等问题，从而进一步提升电池性能。然而，目前对插层型正极材料的研究多关注于层间空间膨胀对容量的贡献。因此，发展先进的原位表征技术，从原子轨道方面深入理解由插层剂引起的电极材料内在结构变化是未来高性能正极材料设计和开发的关键所在。
2024-06-19
759
1
13
自回归模型（Autoregressive Model，AR ）
自回归模型（Autoregressive Model，AR ）是一种统计模型，用于预测时间序列数据的未来值，基于过去的观测值。自回归模型属于线性模型，其基本思想是假设一个时间序列的当前值与其前几个时间点的值之间存在线性关系。一、基本概念自回归模型（Autoregressive Model，简称 AR 模型）是一种统计模型，用于分析和预测时间序列数据。以下是自回归模型的一些基本概念：
2024-06-18
833
8
0
《GB/T 44133-2024 智能电化学储能电站技术导则》解读
《GB/T 44133-2024 智能电化学储能电站技术导则》是中国国家标准化管理委员会发布的一项标准，旨在规范智能电化学储能电站的技术要求和管理。该标准规定了智能电化学储能电站的术语和定义、基本规定、储能系统、储能电站监控与保护、储能电站接入电网、储能电站调试与验收、储能电站运行与维护等方面的内容。
2024-06-18
859
2
7
- -
© 2021 - 现在 杭州极深数据有限公司 版权所有 联系我们 
浙公网安备 33018302001059号  浙ICP备18026513号-1号